在 r 中替换 data.table 的许多元素答案

【问题标题】：replacing many elements of a data.table in r在 r 中替换 data.table 的许多元素
【发布时间】：2014-11-28 05:30:53
【问题描述】：

我有一个单词列表（大约 25,000 个），每个单词我都需要 1）在一堆文本文件中找到（我一直在阅读它们并将它们格式化为 data.tables）和 2）替换每个这些单词中带有“unk”这个词。

如果每个不需要的词都在一个名为wordList的列表中，并且每个词的前后都有一个空格，例如：

" aaaa "        " aaaahhhhh "   " aaaahhhhhh "  " aaas "        " aaasmtg "     " aachallenge "

最好的方法是在循环中使用 gsub，如此处所示？

for (i in 1:length(wordList)) {
    Lines<-as.data.table(gsub(pattern=wordList[i], replacement=' unk ', Lines))
}

我目前可以做到这一点，但我有数百个（小）文件要处理，而且我正在循环浏览 25,000 多个单词，在我的小笔记本电脑上需要几天才能完成。我想知道是否有更有效的方法可以使用 data.tables 来执行此操作，或者我是否最好使用其他工具/方法而不是 r？

【问题讨论】：

只是一个想法，您可以在单个 gsub 调用中加入字符串，例如 gsub(" aaaa | aaas | aaasmtg "," unk ",Lines) ，您可以将其简化为：gsub(paste(wordlist,collapse="|"),"unk",Lines)

【解决方案1】：

我认为，与其循环遍历所有单词列表，不如确定单词列表中哪些行有字符串，然后简单地替换它们：

Lines[Lines %in% wordlist]<-' unk '

【讨论】：